第二十一讲实用统计学原理分析.pptVIP

第七章 假设检验与方差分析 §1假设检验的意义及程序 二、假设检验的基本原理 2．小概率原则 (二)假设检验中命题的基本形式 (三)双侧检验与单侧检验 (四)假设检验的两类错误 三、假设检验的基本程序 §2总体均值的假设检验 §2总体均值的假设检验 (二)单侧假设检验 2．单侧T检验 * * 当我们利用样本资料去推断总体时，其结果的正确性、可靠性受到人们的质疑。在此情况下，假设检验与方差分析方法应运而生，它可以科学地对统计推断结果的正确性、可靠性做出具有一定把握程度的回答。 一、假设检验的意义 假设检验也称显著性检验，是指对未知的总体某一数量特征提出某种假设，再根据样本的实际资料来验证该假设是否成立的一种统计分析方法。假设检验是论证抽样推断结果可靠性的一种手段。 在日常的社会经济活动中，由于我们通常难以完全知道所关心的总体的数量特征及其变化情况，因而对总体进行研究比较时，常常需要对总体的状况做出某种假设。 统计假设检验是用实际的抽样指标去检验假设的总体指标，目的在于判断假设总体和现实总体是否存在显著性差异。 假设检验和上一章所学习的区间估计有着不可分割的联系。 当然，假设检验和区间估计所考虑的问题是不同的，两者所关心的结论也不一样。在假设检验中，通常我们所关心的是检验总体参数值有无变化(即是否存在显著性差异)，而检验过程就是利用样本资料所含的信息判断差异是否显著；而在区间估计中，目的在于通过从总体中抽取的样本资料推断总体参数在一定概率水平下的可能置信区间。 假设检验按总体分布形式是否已知分为两种：如果总体的分布形式已知，只是对总体分布模型的未知参数提出假设，并进行检验，则称这种假设检验为参数假设检验；如果总体的分布形式未知，而要对其分布形式、特征值等信息进行假设检验，则称这种假设检验为非参数假设检验。 (一)假设检验的基本思想与小概率原则 1．基本思想 假设检验的基本思想是先对所研究的命题提出一种假设——无显著性差异的假设，并假定这一假设成立，然后由此导出其必然结果。如果证明这种结果出现的可能性很小，那么有理由用“反证法”认为原假设是错误的，从而拒绝接受这个假设；否则，没有理由拒绝原假设，可以接受原假设。 我们已经知道，假设检验的基本思想是利用“反证法”来拒绝或接受原假设。用“反证法”的理论依据就是在实践中运用很广泛的“小概率原理”，即小概率事件在一次试验中出现的可能性很小，通常认为，在实践中，这一小概率事件在一次实验中是不可能发生的。如果在假设检验中小概率事件居然在取得该样本的一次试验中发生了，我们就有理由怀疑原来对该事件假设的正确性，从而拒绝原假设成立。 对显著性水平的理解必须把握下面两个要点： 第一，显著性水平并不是一个固定不变的值，它的大小随着我们所研究问题的性质及我们对结论的准确性所作的要求不同而变动，主要是依据拒绝区间所可能承担的风险来决定。一般而言，显著性水平多采用0.01，0.05，0.10等数值。 第二，统计上所讲的显著性与实际生活、工作中的显著性是不一样的。 1．原假设 原假设通常是指根据已有的资料或经过周密考虑后确定的，需要通过样本去推断其正确与否的命题，一般用H0表示。 2．备择假设 备择假设是与原假设相对立的假设，即原假设被否定之后而决定选择的假设，一般用H1表示。 区间是统计量概率分布在左侧概率为α的小区域或右侧概率为α的小区域，这时，我们称该检验为单侧检验，或称单边检验、单尾检验。 1．双侧检验 当假设形式为 时，样本 统计量的否定区间，是指统计量概率分布曲线的两侧概率较小的变量区间，且两侧否定区间的概率各为α／2。 2．单侧检验 当假设形式为 时，否定 其类型有两种：第一类错误是原假设为真却被我们拒绝了，即否定了未知的真实状况，把真当成假，犯这种错误的概率取决于显著性水平α的大小，我们用α来表示；另一类错误是原假设为伪，却被我们接受了，即接受了未知的不真实状态。 (一)建立统计假设 (二)规定显著性水平α值 (三)确定假设检验的样本统计量及其分布 (四)根据显著性水平α确定统计量的否定域及临界值 (五)做出统计决策 一、一个总体均值的假设检验 (一)双侧检验 1．U检验法 从服从正态分布 的总体中，抽取容量为n的 样本，则样本平均数服从其数学期望值为总体平均数u，其方差为总体方差的n分之一的正态分布，即 因此以U作为检验统计量的假设检验，亦称为U检验法。 将其标准化，有 通常记 例1 某地区有30 000户居民，根据历史资料，其家庭每月收入服从正态分布